CN112563591B - 一种蓄电池组均衡控制方法 - Google Patents
一种蓄电池组均衡控制方法 Download PDFInfo
- Publication number
- CN112563591B CN112563591B CN202011459863.7A CN202011459863A CN112563591B CN 112563591 B CN112563591 B CN 112563591B CN 202011459863 A CN202011459863 A CN 202011459863A CN 112563591 B CN112563591 B CN 112563591B
- Authority
- CN
- China
- Prior art keywords
- monomer
- aging
- battery pack
- voltage
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- General Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Electrochemistry (AREA)
- Manufacturing & Machinery (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明旨在解决蓄电池组在使用过程中的电池单体存在严重老化和不一致性而导致的蓄电池组容量异常衰减、充放电能力受到限制及使用性能恶化等问题,提出了一种蓄电池组均衡控制方法,属于电池管理系统。该控制方法包括老化单体识别、均衡控制两部分,考虑到电池单体存在老化而导致其在充放电过程中率先达到截止电压,影响电池组充放电能力,利用神经网络对电池单体的老化程度进行识别,然后以电池电压为控制变量,判断不一致性,基于粒子群算法进行均衡控制,进而实现对蓄电池组的有效均衡,减缓蓄电池组容量衰减,优化蓄电池组的使用性能。
Description
技术领域
本发明属于电池管理系统,更确切地说,本发明涉及蓄电池组均衡控制方法。
背景技术
混合动力汽车、纯电动汽车及燃料电池汽车等新能源汽车上大多装载有蓄电池组,其中,蓄电池组性能直接影响驱动电动机的性能,从而影响整车的燃料经济性和排放性能,是实现整车性能的关键,然而蓄电池组存在容量衰减的问题,这会恶化整车经济性和排放性能。而电池单体的老化和不一致性是影响蓄电池组使用性能的关键因素,电池单体的严重老化和不一致性恶化蓄电池组的使用性能、限制蓄电池组充放电能力,进而导致蓄电池组容量衰减,因此针对蓄电池组进行均衡控制是十分必要的。
如中国专利公布号为CN11668565A,公布日为2020-09-15,公开了一种蓄电池组的主动均衡系统和方法,提供了一种蓄电池组的主动均衡控制方法,不会使单体电池之间产生压差。然而,现有专利对蓄电池组的均衡控制方法并未考虑电池单体的老化对蓄电池组容量衰减的影响。针对蓄电池组存在单体老化和不一致性的问题,进行老化控制和不一致控制,对优化蓄电池组使用性能,提高蓄电池组容量,保障蓄电池组使用安全具有重要意义。
发明内容
本发明所要解决的技术问题是克服现有蓄电池组因单体老化和存在不一致而导致的蓄电池组容量衰减等问题,提供了一种蓄电池组均衡控制方法。
为解决上述技术问题,本发明是采用如下技术方案实现的:包括下列步骤:
(1)采集数据,训练神经网络控制器
采集退役电池组不同老化程度单体的充放电数据,利用聚类均值算法均匀选择训练样本,基于训练样本训练神经网络控制器;
(2)电池组不一致性判断
未退役电池组有m个电池模组串联组成,每个电池模组由n个电池单体串联组成,采集未退役电池组的各单体电压,以电池电压为控制变量,判断单体的不一致性;计算电池组的平均电压,进一步计算出各单体电压和电池组平均电压的差值,记为压差,当电池组单体间的压差大于阈值Vbal时,进行不一致性均衡;
(3)基于粒子群算法进行均衡控制
均衡控制遵循同一组电池模组内部的两个电池单体之间不进行均衡,每个电池模组同时只允许一个电池单体进行均衡的原则,均衡控制包括老化控制和不一致控制两部分;
①老化控制
基于训练的神经网络控制器识别老化单体,对于含有老化单体的电池模组,进行老化控制,当电池组只有一个老化单体时,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压最低的单体所在模组,将老化单体的电量转移到充电电压最低的单体,避免老化单体在充电过程中率先达到充电截止电压;在放电过程中找出放电电压最高的单体所在模组,将放电电压最高的单体的电量转移到老化单体,避免老化单体在放电过程中率先达到放电电压;当电池组有两个老化单体且在不同的电池模组中时,最严重老化的单体的老化控制同上述电池组只有一个老化单体的控制方法,对于次严重老化的单体,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压次低的单体所在模组,将次严重老化单体的电量转移到充电电压次低的单体,避免其在充电过程中率先达到充电截止电压;在放电过程中找出放电电压次高的单体所在模组,将放电电压次高的单体的电量转移到次严重老化单体,避免其在放电过程中率先达到放电电压;当电池组有多个老化单体且在不同的电池模组中时,老化控制方法同上;当同一电池组有多个老化单体时,率先对最严重老化的单体进行老化控制;
②不一致控制
对于不含有老化单体的模组进行不一致均衡,选取电池组单体间的压差作为均衡启动和结束的判断条件,在均衡过程中单体均衡时间和电量转移表达式如下式所示:
Ax=B
式中,A是均衡电流矩阵,B是电量转移矩阵,x是均衡时间矩阵;
利用粒子群优化算法来寻求电池组最优均衡路径,保证均衡时间和电量一致性的最优化,在计算各单体均衡过程中需要转移电量的过程中,粒子的位置表示电量的转移量,用来计算均衡时间和电量转移方向;粒子的速度则表示在每次迭代过程中的电量变化;位置和速度根据适应度函数更新,从而寻找种内最优解和种间最优解;在最终确定最优电量转移向量后,可以计算出均衡时间和电流方向,从而进行不一致均衡控制;
在均衡策略制定过程中,粒子群优化算法适应度函数如下式:
与现有技术相比本发明的有益效果是:
1.本发明所述的一种蓄电池组均衡控制方法针对蓄电池组存在老化单体的问题,基于神经网络识别出蓄电池组老化单体,有利于减缓蓄电池组的老化衰减;
2.本发明所述的一种蓄电池组均衡控制方法基于粒子群算法求解得到最优均衡路径,有效提高了均衡效率,节省了均衡时间;
3.本发明所述的一种蓄电池组均衡控制方法是以电压为均衡变量,改善了蓄电池组的不一致性,减缓了蓄电池组容量衰减,将进而优化了蓄电池组性能,提高了蓄电池组使用过程中的安全性。
附图说明
下面结合附图对本发明作进一步的说明:
图1为本发明所述蓄电池组均衡控制流程图;
具体实施方式
下面结合附图1对本发明作详细的描述:
本发明公开了一种蓄电池组均衡控制方法,具体叙述蓄电池均衡控制控制方法如下。
(1)采集数据,训练神经网络控制器
采集退役电池组不同老化程度单体的充放电数据,利用聚类均值算法均匀选择训练样本,基于训练样本训练神经网络控制器;
(2)电池组不一致性判断
未退役电池组有m个电池模组串联组成,每个电池模组由n个电池单体串联组成,采集未退役电池组的各单体电压,以电池电压为控制变量,判断单体的不一致性;计算电池组的平均电压,进一步计算出各单体电压和电池组平均电压的差值,记为压差,当电池组单体间的压差大于阈值Vbal时,进行不一致性均衡;
(3)基于粒子群算法进行均衡控制
均衡控制遵循同一组电池模组内部的两个电池单体之间不进行均衡,每个电池模组同时只允许一个电池单体进行均衡的原则,均衡控制包括老化控制和不一致控制两部分;
①老化控制
基于训练的神经网络控制器识别老化单体,对于含有老化单体的电池模组,进行老化控制,当电池组只有一个老化单体时,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压最低的单体所在模组,将老化单体的电量转移到充电电压最低的单体,避免老化单体在充电过程中率先达到充电截止电压;在放电过程中找出放电电压最高的单体所在模组,将放电电压最高的单体的电量转移到老化单体,避免老化单体在放电过程中率先达到放电电压;当电池组有两个老化单体且在不同的电池模组中时,最严重老化的单体的老化控制同上述电池组只有一个老化单体的控制方法,对于次严重老化的单体,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压次低的单体所在模组,将次严重老化单体的电量转移到充电电压次低的单体,避免其在充电过程中率先达到充电截止电压;在放电过程中找出放电电压次高的单体所在模组,将放电电压次高的单体的电量转移到次严重老化单体,避免其在放电过程中率先达到放电电压;当电池组有多个老化单体且在不同的电池模组中时,老化控制方法同上;当同一电池组有多个老化单体时,率先对最严重老化的单体进行老化控制;
②不一致控制
对于不含有老化单体的模组进行不一致均衡,选取电池组单体间的压差作为均衡启动和结束的判断条件,在均衡过程中单体均衡时间和电量转移表达式如下式所示:
Ax=B
式中,A是均衡电流矩阵,B是电量转移矩阵,x是均衡时间矩阵;
利用粒子群优化算法来寻求电池组最优均衡路径,保证均衡时间和电量一致性的最优化,在计算各单体均衡过程中需要转移电量的过程中,粒子的位置表示电量的转移量,用来计算均衡时间和电量转移方向;粒子的速度则表示在每次迭代过程中的电量变化;位置和速度根据适应度函数更新,从而寻找种内最优解和种间最优解;在最终确定最优电量转移向量后,可以计算出均衡时间和电流方向,从而进行不一致均衡控制;
在均衡策略制定过程中,粒子群优化算法适应度函数如下式:
Claims (1)
1.一种蓄电池组均衡控制方法,其特征在于包括下列步骤:
(1)采集数据,训练神经网络控制器
采集退役电池组不同老化程度单体的充放电数据,利用聚类均值算法均匀选择训练样本,基于训练样本训练神经网络控制器;
(2)电池组不一致性判断
未退役电池组有m个电池模组串联组成,每个电池模组由n个电池单体串联组成,采集未退役电池组的各单体电压,以电池电压为控制变量,判断单体的不一致性;计算电池组的平均电压,进一步计算出各单体电压和电池组平均电压的差值,记为压差,当电池组单体间的压差大于阈值Vbal时,进行不一致性均衡;
(3)基于粒子群算法进行均衡控制
均衡控制遵循同一组电池模组内部的两个电池单体之间不进行均衡,每个电池模组同时只允许一个电池单体进行均衡的原则,均衡控制包括老化控制和不一致控制两部分;
①老化控制
基于训练的神经网络控制器识别老化单体,对于含有老化单体的电池模组,进行老化控制,当电池组只有一个老化单体时,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压最低的单体所在模组,将老化单体的电量转移到充电电压最低的单体,避免老化单体在充电过程中率先达到充电截止电压;在放电过程中找出放电电压最高的单体所在模组,将放电电压最高的单体的电量转移到老化单体,避免老化单体在放电过程中率先达到放电电压;当电池组有两个老化单体且在不同的电池模组中时,最严重老化的单体的老化控制同上述电池组只有一个老化单体的控制方法,对于次严重老化的单体,根据采集的不含有老化单体的电池模组中各单体的充电电压数据,在充电过程中找出充电电压次低的单体所在模组,将次严重老化单体的电量转移到充电电压次低的单体,避免其在充电过程中率先达到充电截止电压;在放电过程中找出放电电压次高的单体所在模组,将放电电压次高的单体的电量转移到次严重老化单体,避免其在放电过程中率先达到放电电压;当电池组有多个老化单体且在不同的电池模组中时,老化控制方法同上;当同一电池组有多个老化单体时,率先对最严重老化的单体进行老化控制;
②不一致控制
对于不含有老化单体的模组进行不一致均衡,选取电池组单体间的压差作为均衡启动和结束的判断条件,在均衡过程中单体均衡时间和电量转移表达式如下式所示:
Ax=B
式中,A是均衡电流矩阵,B是电量转移矩阵,x是均衡时间矩阵;
利用粒子群优化算法来寻求电池组最优均衡路径,保证均衡时间和电量一致性的最优化,在计算各单体均衡过程中需要转移电量的过程中,粒子的位置表示电量的转移量,用来计算均衡时间和电量转移方向;粒子的速度则表示在每次迭代过程中的电量变化;位置和速度根据适应度函数更新,从而寻找种内最优解和种间最优解;在最终确定最优电量转移向量后,可以计算出均衡时间和电流方向,从而进行不一致均衡控制;
在均衡策略制定过程中,粒子群优化算法适应度函数如下式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011459863.7A CN112563591B (zh) | 2020-12-11 | 2020-12-11 | 一种蓄电池组均衡控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011459863.7A CN112563591B (zh) | 2020-12-11 | 2020-12-11 | 一种蓄电池组均衡控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112563591A CN112563591A (zh) | 2021-03-26 |
CN112563591B true CN112563591B (zh) | 2021-10-01 |
Family
ID=75062417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011459863.7A Active CN112563591B (zh) | 2020-12-11 | 2020-12-11 | 一种蓄电池组均衡控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112563591B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113839451B (zh) * | 2021-11-09 | 2023-08-08 | 中车株洲电力机车有限公司 | 均衡控制方法、系统、设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424712A (zh) * | 2013-08-16 | 2013-12-04 | 江苏欧力特能源科技有限公司 | 基于粒子群优化的电池剩余容量在线测量方法 |
CN105633487A (zh) * | 2016-01-13 | 2016-06-01 | 河南理工大学 | 一种锂离子电池智能管理系统 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
CN108872869A (zh) * | 2018-06-14 | 2018-11-23 | 中山大学 | 一种基于bp神经网络的锂离子电池劣化分类方法 |
CN110247451A (zh) * | 2019-06-17 | 2019-09-17 | 重庆大学 | 一种锂离子动力电池组全寿命周期均衡控制方法 |
CN110775065A (zh) * | 2019-11-11 | 2020-02-11 | 吉林大学 | 一种基于工况识别的混合动力汽车电池寿命预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7954579B2 (en) * | 2008-02-04 | 2011-06-07 | Illinois Institute Of Technology | Adaptive control strategy and method for optimizing hybrid electric vehicles |
US9356473B2 (en) * | 2008-05-28 | 2016-05-31 | Georgia Tech Research Corporation | Systems and methods for providing wireless power to a portable unit |
-
2020
- 2020-12-11 CN CN202011459863.7A patent/CN112563591B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424712A (zh) * | 2013-08-16 | 2013-12-04 | 江苏欧力特能源科技有限公司 | 基于粒子群优化的电池剩余容量在线测量方法 |
CN105633487A (zh) * | 2016-01-13 | 2016-06-01 | 河南理工大学 | 一种锂离子电池智能管理系统 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
CN108872869A (zh) * | 2018-06-14 | 2018-11-23 | 中山大学 | 一种基于bp神经网络的锂离子电池劣化分类方法 |
CN110247451A (zh) * | 2019-06-17 | 2019-09-17 | 重庆大学 | 一种锂离子动力电池组全寿命周期均衡控制方法 |
CN110775065A (zh) * | 2019-11-11 | 2020-02-11 | 吉林大学 | 一种基于工况识别的混合动力汽车电池寿命预测方法 |
Non-Patent Citations (4)
Title |
---|
Charging and discharging model of lithium-ion battery for charge equalization control using particle swarm optimization algorithm;M.M.Hoque等;《Journal of Renewable and Sustainable Energy》;20161117;第1-4页 * |
Model Migration Neural Network for Predicting Battery Aging Trajectories;Xiaopeng Tang等;《IEEE TRANSACTIONS ON TRANSPORTATION ELECTRIFICATION》;20200309;第363-374页 * |
动力型磷酸铁锂电池管理系统的研究;赵强;《CNKI优秀硕士学位论文全文库 工程科技Ⅱ辑》;20160301;第1-63页 * |
电动汽车锂电池荷电状态估算及均衡控制策略研究;褚彪;《CNKI优秀硕士学位论文全文库 工程科技Ⅱ辑》;20190525;第1-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112563591A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106340926B (zh) | 锂电池均衡控制策略优化方法 | |
CN102355031B (zh) | 一种磷酸铁锂动力电池组主动均衡充电方法 | |
CN112467851B (zh) | 一种磷酸铁锂电池组均衡控制方法 | |
CN115514063B (zh) | 一种储能电池充放电功率调节设备 | |
CN113370840B (zh) | 一种自适应不同低速电动车电压等级的充电控制算法 | |
CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
CN112563591B (zh) | 一种蓄电池组均衡控制方法 | |
CN113884890A (zh) | 一种动力电池内短路检测方法 | |
CN115027290A (zh) | 一种基于多目标优化的混合动力汽车跟车能量管理方法 | |
CN110707771B (zh) | 基于中心漂移聚类分析的电池组主动均衡方法 | |
CN110843606B (zh) | 一种电动汽车用变结构蓄电池电源及其控制方法 | |
CN113879177B (zh) | 一种动力电池均衡控制方法 | |
CN110466388B (zh) | 一种复合储能电动汽车能量管理方法 | |
CN116365669B (zh) | 一种锂电池的网络管理优化方法及系统 | |
CN112467825A (zh) | 一种基于大数据的锂电池组均衡方法 | |
CN111463504B (zh) | 一种用于电池模块维护的均衡算法 | |
CN112436565A (zh) | 一种锂电池系统主动均衡控制系统 | |
CN107590617B (zh) | 一种基于可信度推理模型的电池组均衡方法 | |
CN115092012B (zh) | 考虑复合电源系统多工作模式的等效荷电状态估计方法 | |
CN115308617A (zh) | 一种锂离子电池内部短路诊断方法 | |
CN114552736A (zh) | 一种锂电工业车辆用均衡系统及工作方法 | |
JP3975801B2 (ja) | 蓄電池システム | |
CN110031769A (zh) | 锂电池的电池包容量测算方法 | |
CN108407651B (zh) | 一种双向分散式的动力电池均衡管理系统及方法 | |
CN112821507A (zh) | 基于粒子群优化算法的环形均衡电路的能量路径优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |